<![CDATA[Estimasi daya merupakan salah satu bagian yang sangat penting dari optimasi daya di lingkungan klaster homogen. Sebelum daya dioptimalkan, terlebih dulu harus dihitung daya yang dikonsumsi oleh server. Beberapa studi telah dilakukan untuk memperkirakan daya yang dikonsumsi oleh seluruh anggota pada klaster. Namun, banyak dari studi tersebut yang masih menggunakan metode rumit dan perangkat keras yang mahal sehingga sulit untuk diterapkan di lingkungan klaster yang nyata. Dalam makalah ini, diusulkan metode estimasi daya yang lebih murah, sederhana, dan real time di klaster web server. Perhitungan yang lebih akurat dilakukan dengan menggunakan regresi linier berganda. Parameter yang digunakan adalah penggunaan prosesor, memori, dan antarmuka jaringan. Pemantauan secara terpadu dan real time dapat dicapai dengan menggunakan program daemon sederhana dan teknik pemrograman socket. Percobaan yang dilakukan pada klaster terdiri dari empat web server dan dua load balancer menunjukkan bahwa metode estimasi daya yang diusulkan mencapai akurasi 91,87% dan pemantauan daya berjalan dengan baik secara real time. Kata kunci: EstimasiDaya, KlasterHomogen, Regresi Linier Berganda, Web Server. Abstract Power estimation is very important subtask of power optimization in homogeneous cluster environment. Before optimizing power, we must first calculate power consumed by a server. Several studies have been conducted to estimate power consumed by all members in the cluster. However, they still use a complicated method and expensive hardware such that difficult to implement in real cluster environment. In this paper, we propose cheaper, simpler, and real time power estimation methods on cluster of web server. More accurate calculation is conducted by using multiple linear regression. Parameters considered are utilization of processor, memory, and network interface. Real time and integrated monitoring can be achieved by employing simple daemon and socket programming technique. Experiments are performed in the cluster consisting of four web servers and two load balancers demonstrates that the proposed power estimation method achieves an accuracy of 91.87% and power monitoring run well in real time fashion.]]>
Copyrights © 2012
